Qual é a diferença entre um diploma em business analytics e um diploma em data science?

Para responder a essa pergunta, é preciso voltar ao

estrutura de uma universidade

, composto por departamentos acadêmicos, que funcionam como unidades autônomas e descentralizadas.

A Ciência de Dados é tipicamente formada em Ciência da Computação, enquanto a Análise de Negócios é tipicamente formada em uma Escola de Negócios, em particular a divisão da Escola de Negócios que abriga estatísticas, pesquisas operacionais ou ciências de gerenciamento. Além dessas duas unidades, o departamento de Estatística, que normalmente faz parte de Artes e Ciências ou Matemática, oferece graus semelhantes e, confusamente, esses graus podem ser chamados de Ciência de Dados, Análise, Estatística Aplicada, etc.

A maioria dos novos diplomas nas universidades é criada primeiro com a maior quantidade possível de cursos relevantes oferecidos atualmente no departamento patrocinador, permitindo a inscrição cruzada em cursos relevantes em outros departamentos e, finalmente, adicionando novos cursos para preencher as lacunas percebidas.

Quando você escolhe um programa de graduação, o principal diferencial é qual departamento executa o programa - e não o nome da graduação. Abaixo, descrevo os três tipos de diplomas com base nos três principais patrocinadores do departamento.

Graus de Ciência de Dados, administrado por Ciência da Computação

Testemunho

Isso surgiu da concentração de mineração de dados na ciência da computação. Os alunos serão treinados em conhecimentos básicos de ciência da computação (por exemplo, sistemas de programação, estruturas de dados, algoritmos), além de aprendizado de máquina, inteligência artificial, bancos de dados, visualização de dados, etc.

Preencha nos espaços

Estatística, modelagem bayesiana, análise de dados, otimização etc.

Graus de análise de negócios, administrados por escolas de negócios

Testemunho

Isso surgiu da pesquisa de operações, estatística ou concentração da ciência de gerenciamento em uma escola de negócios. Os alunos serão treinados em conhecimento de negócios (estratégia, finanças, marketing, contabilidade, etc.), além de programação matemática, modelos estocásticos, análise de séries temporais, gerenciamento de operações, aplicativos (como gerenciamento de receita, programação, roteamento), etc.

Preencha nos espaços

Engenharia de dados, programação (por exemplo, Python, R), aprendizado de máquina, bancos de dados, etc.

Graus de Ciência de Dados / Análise, geridos por Estatística

Testemunho

Estes cresceram a partir da estatística aplicada principal. Os alunos serão treinados em estatística fundamental, como testes de hipóteses, modelos de regressão, modelos multivariados, análise de séries temporais, desenho de pesquisa, desenho experimental; além de gráficos estatísticos, computação estatística (por exemplo, R), consultoria estatística, pesquisa operacional.

Preencha nos espaços

Engenharia de dados, programação (por exemplo, Python), bancos de dados, aplicativos do setor etc.

Para o aluno em potencial, você deve descobrir quais são seus principais interesses e selecionar os programas oferecidos pelo departamento certo. Se você quer um trabalho de engenharia, os departamentos de Ciência da Computação oferecem o melhor treinamento, mas se você comparar a cobertura das estatísticas com a que obtém de um departamento de Estatística, verá muita coisa faltando. Por outro lado, o grau Estatística fornece uma visão geral superficial dos aspectos da Ciência da Computação na Ciência de Dados, mas excelente treinamento em análise de dados.

É difícil encontrar um grau verdadeiramente interdisciplinar por causa da estrutura autônoma e descentralizada de uma universidade.

Depende mais do fluxo ao qual você pertence. Se você tem mais conhecimento técnico, escolha o ML; se você tem mais habilidades de gerenciamento e comunicação, sugiro que escolha BI.

Caso as universidades tenham começado a fornecer DS como mestrado, seja um pouco cauteloso. Faça alguma pesquisa sobre o tipo de projetos de DS realizados por ex-alunos da universidade, conheça o traço de especialização de professores designados, etc.

Sinto que o analista de negócios se parece mais com um consultor que usa metodologias e tecnologias existentes para desenvolver insights a partir dos dados. Por outro lado, é o Data Scientist quem desenvolve novas tecnologias, algoritmos, ferramentas etc. O Data Scientist é mais orientado para a Pesquisa e Desenvolvimento. Novamente, não há definição específica para definir as duas áreas.

Do ponto de vista das tecnologias e do currículo, os graus de Business Analytics (geralmente oferecidos como um subconjunto de trilhas de ciência de dados) provavelmente se concentrariam no MS Excel, SQL, Tableau, SAS, Qlik View, Programação R etc. Aqui, o foco nos conceitos seria para estatísticas relacionadas aos negócios (incluindo análises descritivas e preditivas e algoritmos de aprendizado de máquina no nível básico), para que você possa obter informações principalmente de

Pequenas fontes de dados

(Armazéns de BI, dados gerados a partir de operações internas etc.) e gerar insights de negócios relevantes.

Trabalho em um empreendimento da Edtech chamado UpX Academy, promovido pela Tech Mahindra, e acabamos de iniciar um programa on-line em Análise de negócios para o início de agosto de 2017. Projetado com calouros e não programadores em mente, que gostariam de trabalhar como analistas de negócios, profissionais de análise de dados e fazer a transição para o domínio Data Science.Este programa de 6 meses é prático e focado no projeto, permitindo que você se especialize em

Análise do produto

e aprenda a implementar aplicativos de análise em domínios comerciais como

Marketing, RH, Finanças, Varejo, e-commerce, Marketing Digital

etc. Você pode dar uma olhada no conteúdo e no caminho de aprendizado, nos links fornecidos abaixo.

Programa de Certificação de Análise de Negócios por 6 meses - UpX Academy

Formação em Data Science, por outro lado, se você o fizer em um projeto / programa focado em pesquisa

Ciência de Dados (Mestrado)

, permitiria principalmente que você se concentrasse em conceitos avançados de aprendizado de máquina, tecnologias relacionadas a big data, como No SQL, Spark e domínio relacionado à IA, como aprendizado profundo, etc. O conteúdo da programação pode ter um nível avançado e você encontrará Python, R e, em alguns cases (Empresas na Alemanha) C, C ++, Matlab, amplamente utilizado. Aqui estão algumas sessões de informações do setor sobre aplicativos de ciência de dados no setor para sua referência.

Semana da ciência de dados - junho de 2017 - YouTube

Semana de Aprendizado de Máquina | Academia UpX - YouTube

Informações do curso para lote de 19 de agosto de 2017 - YouTube

Aqui está uma pergunta semelhante em que a diferença é mencionada entre os cursos MIS e BA. Observe que, em muitos lugares, o MIS e o Business Analytics são usados ​​de forma intercambiável. Será melhor verificar os detalhes em uma universidade específica. O MIS faz parte da TI, enquanto a ciência de dados normalmente faz parte do departamento de Matemática / Estatística. A análise de negócios geralmente é combinada como parte do departamento de gerenciamento ou marketing com a combinação de conteúdo do MIS e da ciência de dados.

Isso varia muito dependendo do programa, mas em geral:

  • Os programas de análise de negócios tendem a ser alojados em escolas de administração e são voltados para pessoas que desejam ser analistas de dados ou talvez aqueles interessados ​​em ser "quantos" em finanças.
  • Os programas de ciência de dados tendem a ser alojados em departamentos de estatística ou ciência da computação (embora alguns estejam criando departamentos totalmente novos) e se concentram mais nas habilidades "típicas" de ciência de dados, como aprendizado de máquina, e são mais fortemente influenciadas no ensino de habilidades de programação. Eles também tendem a ser mais técnicos.

Novamente, isso varia uma tonelada de programa para programa. Você deve examinar onde cada programa coloca as pessoas e o currículo para ver se algum programa é adequado para você.

Eu considerei os dois mestrados e eles parecem semelhantes na superfície, mas distintos quando você mergulha um pouco mais fundo. (Eu pesquisei cerca de 10 cursos e acabei fazendo o mestrado em Business Analytics.)

A principal diferença está em termos de

foco

.

Ambos cobrem aproximadamente o mesmo conteúdo.

  • Fundamentos
  • ProgramaçãoEstatísticasGerenciamento de dados
  • Habilidades de ciência e análise de dados
  • Você está em: Página Inicial> Imprensa> Notícias
  • Gerenciamento de informações e dados
  • Armazenamento de dados
  • Aplicativos de análise
  • Assuntos específicos do domínio

Mas a divisão é bem diferente. E de forma consistente nos cursos que eu estava olhando.

Para ciência de dados, eu

estimaria

:

  • Fundamentos (10%)
  • Habilidades em ciência de dados e análise (50%)
  • Gerenciamento de informações e dados (30%)
  • Aplicativos de análise (10%)

Para análise de negócios:

  • Fundamentos (10%)
  • Habilidades em ciência de dados e análise (40%)
  • Gerenciamento de informações e dados (10%)
  • Aplicativos de análise (40%)

Em um gráfico básico, se você preferir elementos visuais:

Espero que ajude!

Olá:

O MS no Business Analytics é mais adequado para pessoas que gostam de trabalhar, o que envolverá o aproveitamento de habilidades técnicas e comerciais, a fim de criar valor para os clientes. Por outro lado, o MS em Data Science é um pouco mais pesado em codificação e tecnologia. Durante o processo de entrevista para os cursos de Ciência de Dados, você pode esperar muito mais sobre suas habilidades de codificação em comparação com um programa de Análise de Negócios.

Carreira, ambos oferecem um bom valor. Aqui está uma comparação que pode ajudá-lo a entender um pouco mais a diferença / semelhança.

No entanto, para ter sucesso, seja como cientista de dados ou profissional de Business Analytics, a seguir, são necessárias habilidades:

  • Amor por números e coisas quantitativas
  • Grit para continuar aprendendo
  • Amor pela codificação e programação
  • Abordagem do pensamento estruturado
  • Paixão pela resolução de problemas
  • Bons conhecimentos de conceitos estatísticos

Aqui estão meus 10 principais indicadores para garantir um sucesso durável em qualquer

  • Aprenda o máximo possível. Passe de 4 a 5 horas por semana em aprendizado e desenvolvimento e conhecendo as últimas novidades do setor
  • Status do desafio. Nunca assuma que tudo o que está sendo feito está seguindo a abordagem mais eficaz
  • Acredite que você é igual a todos os demais na hierarquia. Não tenha medo de dizer o que pensa
  • Concentre-se na inovação e mostre as idéias que abalam a terra, em vez de fazer os negócios como de costume.
  • Concentre-se no desenvolvimento de ótimas habilidades de comunicação e soft skills, pois essa é uma das maiores lacunas que já vi nos profissionais de análise
  • Não se torne um pônei de um truque. tente obter exposição em diferentes setores e áreas funcionais.
  • Participe de competições e eventos como o Kaggle, para saber onde você está em relação ao seu grupo de colegas.
  • Tente escrever white papers e blogs sobre seus conhecimentos no assunto.
  • Desenvolva a experiência no domínio, pois sem essa análise não é eficaz.
  • Por fim, mantenha sempre uma visibilidade clara de suas forças, oportunidades e pontos cegos. Procure ativamente o feedback do seu grupo de pares e de seus superiores.

Espero que isto ajude.

Felicidades!

Agradecemos desde já os seus votos positivos. Eles me mantêm indo! Obrigado!

Isenção de responsabilidade: As opiniões aqui expressas são exclusivamente do autor em sua capacidade particular.